03 / SÅDAN GØR DU EN SC
Sådan gør du en scannet PDF søgbar
Vælg de sprog, som teksten i PDF'en er skrevet på – engelsk, tysk og/eller fransk – og angiv den opløsning, der skal bruges til genkendelsen. Som standard er opløsningen 300 dpi, men du kan vælge mellem 150 og 400 dpi i et tal felt. Upload derefter den PDF-fil, du vil behandle. Der kan kun behandles én fil ad gangen, og den må højst fylde 50 MB og indeholde op til 500 sider.
Når jobbet kører, viser siden først 'Uploader', derefter 'I kø' og til sidst 'Kører' med en procentvis fremdrift. Når det er færdigt, kan du downloade den nye PDF med et genkendt tekstlag.
04 / HVAD SKER DER MED
Hvad sker der med din fil
Uploadede filer bliver scannet for malware, før noget andet rører dem. En inficeret fil når aldrig frem til konverteringen. Filtypen bestemmes ved at læse de faktiske bytes – ikke filnavnet – så en fil, der blot er omdøbt til .pdf, afvises med det samme.
Selve jobbet udføres på serveren med Tesseract OCR. Kun de sider, der faktisk har brug for tekstgenkendelse, bliver behandlet – sider, der allerede har søgbar tekst, kopieres uændret og beholder deres oprindelige skarphed. Herefter åbner værktøjet sit eget resultat og læser teksten igen for at bekræfte, at jobbet lykkedes.
Uploadede filer gemmes i privat objektlagring og slettes efter 1 time, hvis du ikke er logget ind, eller efter 7 dage for en konto med login.
05 / INDSTIL SPROG OG O
Indstil sprog og opløsning
For at få den bedste genkendelse skal du vælge de sprog, som PDF'en indeholder. Du kan vælge mere end ét sprog ad gangen, men kun engelsk, tysk og fransk er tilgængelige. Værktøjet kontrollerer, at de valgte sprog er installeret, inden arbejdet starter – mangler et sprog, fejler jobbet med det samme i stedet for efter upload.
Opløsningen (dpi) bestemmer, hvor detaljeret billedet af scannet indhold gengives under tekstgenkendelsen. Højere dpi giver ofte bedre resultat, men kræver samtidig mere processorkraft. Standard er 300 dpi, og du kan vælge mellem 150 og 400.
Sider, der allerede bærer søgbar tekst, registreres og springes over – det er fast og kan ikke slås fra. En side betragtes som allerede søgbar, når den giver omkring et dusin rigtige tegn; sådanne sider kopieres igennem uden ændringer.
06 / FEJLFINDING: TEKST
Fejlfinding: Tekstlag tilføjet, men resultatet virker ufuldkomment
Når værktøjet er færdigt, kan det vise advarslen 'OCR_TEXT_LAYER_ADDED'. Det betyder blot, at der er tilføjet et genkendt tekstlag – og at genkendelsen ikke er perfekt. OCR er aldrig 100 % korrekt; håndskrift, usædvanlige skrifttyper, scannet tekst i lav opløsning og kolloner, der rører hinanden, reducerer nøjagtigheden markant.
Hvis du oplever, at søgningen ikke finder bestemte ord, eller at kopieret tekst indeholder fejl, så prøv at scanne originalen ved en højere opløsning (op til 400 dpi) og upload igen. Værktøjet kan ikke gøre mere, end det materiale, du giver det.
Hvis jobbet fejler – for eksempel fordi antallet af sider ændrede sig under behandlingen, eller fordi en side blev genkendt, men der ikke kunne udtrækkes tekst – modtager du ikke en fil, der kun ser søgbar ud. Så er det bedre at genbruge en bedre scanning.
07 / BEMÆRKNINGER OM FI
Bemærkninger om filformater og begrænsninger
Du kan kun behandle PDF-filer. Filen må højst være 50 MB og må ikke have mere end 500 sider. Hvis din PDF overskrider disse grænser, skal du dele den op eller reducere opløsningen af scanningen.
Vær opmærksom på, at nogle PDF'er indeholder en blanding af scannet indhold og digital tekst. I sådanne tilfælde er det kun de sider, der reelt kræver genkendelse, der bliver behandlet – de digitale sider forbliver skarpe og beholder deres oprindelige tekstlag.
FAQ
Ofte stillede spørgsmål
Bliver min PDF slettet efter brug?
Ja. Din uploadede PDF opbevares i privat objektlagring og slettes automatisk efter 1 time, hvis du ikke er logget ind, eller efter 7 dage, hvis du er logget ind. Du behøver ikke selv gøre noget.
Hvor stor må min PDF være?
En PDF må højst fylde 50 MB og må ikke indeholde mere end 500 sider. Hvis din fil er større, kan du dele den op i flere mindre PDF'er og behandle dem enkeltvis.
Hvorfor kan jeg ikke finde nogle ord med søgning?
OCR-genkendelse er ikke perfekt. Hvis teksten er håndskrevet, har en usædvanlig skrifttype eller er scannet ved lav opløsning, kan værktøjet misforstå nogle tegn. Prøv at scanne ved højere dpi (op til 400) og upload igen.
Kan jeg markere og kopiere tekst fra den behandlede PDF?
Ja. Når værktøjet har tilføjet et tekstlag, bliver teksten søgbar, så du kan markere, kopiere og søge i indholdet. Bemærk dog, at kvaliteten af genkendelsen afhænger af kildeskannens kvalitet og de valgte sprog.
Hvorfor kan jeg ikke vælge andre sprog end engelsk, tysk og fransk?
Værktøjet understøtter kun tekstgenkendelse på engelsk, tysk og fransk. Hvis din PDF er på et andet sprog, vil genkendelsen være markant dårligere eller mislykkes. Vælg de sprog, der reelt optræder i din PDF.
Hvad betyder advarslen 'OCR_TEXT_LAYER_ADDED'?
Den betyder, at der er tilføjet et genkendt tekstlag til din PDF – men også at genkendelsen ikke er perfekt. Det er en forventet advarsel, ikke en fejl. Du bør altid tjekke resultatet for kritiske dokumenter.
Kan jeg ændre opløsningen efter upload?
Nej. Du skal angive dpi (150-400) i tallet feltet, inden du uploader. Standard er 300 dpi. Du kan dog prøve igen med en højere dpi for at forbedre nøjagtigheden.